被験者固有の把持パターンの分析

Analysis of subject specific grasping patterns.

• Yair Herbst
• Lihi Zelnik-Manor
• Alon Wolf

抄録

既存の触覚フィードバック装置は、その能力に限界があり、しばしば煩雑で重い。さらに、これらのデバイスは汎用的であり、ユーザーの把持行動に適応していません。人間中心の設計プロセスにより、改善された設計が生まれる可能性があります。現在行われている人間の把持に関する研究は、研究集団内での共通の特性を見つけることを目的としていますが、私たちは人間の把持行動を一般化するのではなく、被験者に特有の動的なパターンを研究しました。実験は31名の被験者を対象に、5つの異なる物体を把持する課題を実施しました。運動学と運動学のパラメータは、モーションキャプチャシステムと力センサーを用いて測定した。収集されたデータは、次元削減とクラスタリングアルゴリズムのパイプラインを通して処理された。指の関節角度と反力を特徴量として使用することで、95%以上の成功率でこれらのタスクを分類することができました。さらに、物体の機械的特性がこれらのパターンに及ぼす影響と、区別のための異なる特徴の重要性を調べました。このことは、パーソナライズされたフィードバックを提供することが可能なデバイスがユーザー体験を向上させ、様々なアプリケーションでの使い勝手を向上させることを示唆していると考えられる。この論文では、人間の動的パターンについて、これまで知られていなかった側面を探っています。さらに、収集したデータは、運動学と運動学の両方のデータを持つ1083個の把持インスタンスを含む、人間の把持行動に関する貴重なデータセットを提供します。

Existing haptic feedback devices are limited in their capabilities and are often cumbersome and heavy. In addition, these devices are generic and do not adapt to the users' grasping behavior. Potentially, a human-oriented design process could generate an improved design. While current research done on human grasping was aimed at finding common properties within the research population, we investigated the dynamic patterns that make human grasping behavior distinct rather than generalized, i.e. subject specific. Experiments were conducted on 31 subjects who performed grasping tasks on five different objects. The kinematics and kinetics parameters were measured using a motion capture system and force sensors. The collected data was processed through a pipeline of dimensionality reduction and clustering algorithms. Using finger joint angles and reaction forces as our features, we were able to classify these tasks with over 95% success. In addition, we examined the effects of the objects' mechanical properties on those patterns and the significance of the different features for the differentiation. Our results suggest that grasping patterns are, indeed, subject-specific; this, in turn, could suggest that a device capable of providing personalized feedback can improve the user experience and, in turn, increase the usability in different applications. This paper explores an undiscussed aspect of human dynamic patterns. Furthermore, the collected data offer a valuable dataset of human grasping behavior, containing 1083 grasp instances with both kinetics and kinematics data.